XX SBSR
Formulário de atualização
O sistema de atualização, para eventuais correções, estará ativo até 30/06/2023.
Contato:
bibdigital@inpe.br
Nome do Campo
Valor do Campo
Tipo de Referência
Artigo em Evento (Conference Proceedings)
Título do Trabalho
(*)
(?)
Tipo Secundário
Evento Nacional
Evento Nacional - Trabalho Vinculado à Tese/Dissertação
Evento Nacional - Trabalho Não Relacionado à Tese/Dis.
Evento Nacional - Trabalho Externo
Não esqueça de clicar na opção "+" para informar os dados dos co-autores, se tiver.
v
1° Autor
(*)
(?)
Grupo (1° Autor)
CGCE
DIPST
DISEP
DICEP
DIAST
DIEEC
DIHPA
DIMEC
DISEP
DIEEC
SEGPR
YYY
CGCT
DIOTG
DIIAV
DIMNT
DIPTC
DISSM
YYY
CGIP
CORCR
COPDT
COMIT
COIDS
YYY
COGPI
DIPE1
DIPE2
DIPE3
DIPE4
SEPEC
SEGQP
YYY
CGGO
COADM
COEAM
COENE
COESU
COTIC
COPOA
COGRH
YYY
COGAB
SEREL
SECOM
YYY
AST
CAP
CMC
CMS
CSE
CST
GES
GESAST
GESATM
MET
PCP
SER
Afiliação (1° Autor)
e-Mail (1° Autor)
2° Autor
(*)
(?)
Grupo (2° Autor)
CGCE
DIPST
DISEP
DICEP
DIAST
DIEEC
DIHPA
DIMEC
DISEP
DIEEC
SEGPR
YYY
CGCT
DIOTG
DIIAV
DIMNT
DIPTC
DISSM
YYY
CGIP
CORCR
COPDT
COMIT
COIDS
YYY
COGPI
DIPE1
DIPE2
DIPE3
DIPE4
SEPEC
SEGQP
YYY
CGGO
COADM
COEAM
COENE
COESU
COTIC
COPOA
COGRH
YYY
COGAB
SEREL
SECOM
YYY
AST
CAP
CMC
CMS
CSE
CST
GES
GESAST
GESATM
MET
PCP
SER
Afiliação (2° Autor)
e-Mail (2° Autor)
Páginas
(*)
Palavras-Chave
(*)
(?)
Resumo
(*)
(?)
O SR forma imagens através dados dos satélites fazendo a varredura superficial da terra. Com técnicas relacionadas à classificação de imagens reconhecendo padrões espectrais e espaciais. Objetivo do trabalho é avaliar diferentes classificadores em imagens de satélites com diferentes resoluções indicando o mais adequado. O processamento foi feito através dos programas SAGA GIS 7.7.0 ArcGis 10.2. ®. Os classificadores foram: MaxVer, Redes Neurais, Random Forest, Decision Tree, Support Vector Machine. Foram utilizadas amostras de treinamento em diferentes quantidades 50 e 100 amostras para cada classe. SVM, RNA e MAXVER ultrapassaram a faixa dos 0,8 de Índice Kappa para duas quantidades amostrais. Landsat-8 os valores foram menores, com 50 amostras, para MaxVer e para SVM. Para extrair o melhor dos classificadores deve-se coletar mais amostras de treinamento, principalmente nos locais que mais apresentaram confusões entres as classes. Assim, é preciso uma maior pesquisa sobre a quantidade ótima de amostras de treinamento. ABSTRACT: The SR forms images using satellite data by scanning the surface of the earth. With techniques related to image classification recognizing spectral and spatial patterns. The objective of the work is to evaluate different classifiers in satellite images with different resolutions indicating the most appropriate. The processing was done through the programs SAGA GIS 7.7.0 ArcGis 10.2. ®. The classifiers were: MaxVer, Neural Networks, Random Forest, Decision Tree, Support Vector Machine. Training samples were used in different amounts 50 and 100 samples for each class. SVM, RNA and MAXVER exceeded the range of 0.8 Kappa Index for two sample amounts. Landsat-8 values were lower, with 50 samples, for MaxVer and for SVM. In order to extract the best from the classifiers, more training samples should be collected, especially in the places that presented the most confusion between the classes. Thus, further research is needed on the 'optimal' amount of training samples.
Tema
(*)
Análise de séries temporais de imagens de satélite
Aquacultura
Áreas úmidas
Cartografia e fotogrametria
Classificação e mineração de dados
Degradação de florestas
Educação
Floresta e outros tipos de vegetação
Geologia
Geomorfologia
Geoprocessamento e aplicações
Hidrologia
LIDAR: sensores e aplicações
Meteorologia e climatologia
Modelagem espacial
Monitoramento e modelagem ambiental
Mudança de uso e cobertura da Terra
Mudanças climáticas
Oceanografia
Poluição
Processamento de imagens
Produção e previsão agrícola
Saúde
Sensoriamento remoto de águas interiores
Sensoriamento remoto de microondas
Sensoriamento remoto hiperespectral
Sistemas de coleta de dados e telemetria
Sistemas marinhos costeiros
Sistemas sensores: projeto, calibração e avaliação
Sistemas, gerenciamento e política de dados
Solos e umidade do solo
Urbanização
Uso e qualidade da água
VANTs, videografia e alta resolução
Serviços e Tecnologias Espaciais
Inteligência Artificial para Observação da Terra
Biodiversidade e Conservação
Mapeamento Colaborativo
Queimadas e Incêndios Florestais
Sustentabilidade e Meio Ambiente
Idioma
(*)
Português
Espanhol
Inglês
FileName
(?)
e-Mail (login)
simone
:: Powered by UR
Lib
Service ::